智慧農(nóng)業(yè)遙感監(jiān)測與可視化平臺解決方案

1、智慧農(nóng)業(yè)遙感監(jiān)測與可視化平臺解決方案二O九年十二月ITOC o 1-5 h z第1章現(xiàn)狀分析111遙感在農(nóng)業(yè)行業(yè)發(fā)展現(xiàn)狀1第2章總體方案321建設(shè)思路322建設(shè)方案42.2.1技術(shù)路線42.2.2系統(tǒng)架構(gòu)142.2.3功能設(shè)計16農(nóng)業(yè)精準(zhǔn)生產(chǎn)空間遙感監(jiān)測18；農(nóng)業(yè)空間地理可視化展示422.2.4部署架構(gòu)16 第1章現(xiàn)狀分析1.1遙感在農(nóng)業(yè)行業(yè)發(fā)展現(xiàn)狀隨著遙感技術(shù)的出現(xiàn)，遙感技術(shù)因其相對于傳統(tǒng)技術(shù)的獨(dú)特優(yōu)勢而得到快速發(fā)展，進(jìn)而在陸地、海洋、大氣等方面得到廣泛應(yīng)用，遙感技術(shù)的應(yīng)用不論是深度還是廣度都發(fā)展迅速，我國是一個農(nóng)業(yè)大國，傳統(tǒng)監(jiān)測技術(shù)對于大面積的農(nóng)田監(jiān)測相當(dāng)困難，不利于宏觀分析，遙感技術(shù)為農(nóng)

2、業(yè)的監(jiān)測提供了有利工具，節(jié)省了大量人力、物力。遙感技術(shù)在農(nóng)業(yè)方面的應(yīng)用正在不斷深入。遙感技術(shù)可以動態(tài)監(jiān)測作物的長勢作物長勢即作物生長的狀況和趨勢。作物在不同的生長發(fā)育階段其內(nèi)部結(jié)構(gòu)和外部形態(tài)都會存在一系列周期性變化，這種周期性變化使得從作物細(xì)胞的微觀結(jié)構(gòu)到作物群體的宏觀結(jié)構(gòu)上均有變化。遙感影像可實時記錄作物不同階段的生長狀況，獲得同一地點(diǎn)時間序列的圖像了解不同生育階段的作物長勢。農(nóng)作物及其背景地物反射或發(fā)射的電磁波，穿過大氣入射到空間探測器上，這種能量信息被記錄下來，經(jīng)過適當(dāng)?shù)姆治龊吞幚恚梢詷?gòu)造出與農(nóng)作物生長情況密切相關(guān)的指標(biāo)，以反映作物的生長發(fā)育狀況，實現(xiàn)對農(nóng)作物長勢的連續(xù)監(jiān)測。作物長勢監(jiān)

3、測的目的是為了實時掌握作物長勢好壞，及時發(fā)布苗情監(jiān)測通報，指導(dǎo)農(nóng)業(yè)生產(chǎn)，為預(yù)測作物單產(chǎn)和總產(chǎn)提供重要的依據(jù)和參考。遙感技術(shù)可以監(jiān)測農(nóng)作物的病蟲害病蟲害是農(nóng)業(yè)生產(chǎn)的天敵，不僅造成農(nóng)作物減產(chǎn)，而且大大降低作物的質(zhì)量。遙感技術(shù)在病蟲害方面的應(yīng)用可以追朔到20世界20年代，當(dāng)時主要考航空目測或攝影。隨著航空航天技術(shù)的飛速發(fā)展，病蟲害遙感又有了更先進(jìn)的技術(shù)支持。有些國家目前已應(yīng)用這種技術(shù)調(diào)查監(jiān)測病蟲害發(fā)生情況和消滅這類病蟲害，同時用來調(diào)查各種防治措施的效果，而且已開始應(yīng)用于監(jiān)測病蟲害生存區(qū)生態(tài)狀況及其測報。遙感技術(shù)可以對農(nóng)作物進(jìn)行遙感估產(chǎn)農(nóng)作物的播種面積，產(chǎn)量估計，實際產(chǎn)量等信息是國家制定糧食政策和經(jīng)濟(jì)

4、計劃時的重要依據(jù)。糧食問題是世界性的問題，在我國隨著人口不斷增加，耕地面積不斷減少，糧食問題再次成為世人矚目的焦點(diǎn)，衛(wèi)星遙感技術(shù)通過對不同光譜波段的組合來反演或提取作物生長過程的特征因子，可以綜合反映作物長勢及其變化動態(tài)。農(nóng)業(yè)遙感是遙感技術(shù)在農(nóng)業(yè)生產(chǎn)上的應(yīng)用。在農(nóng)業(yè)生產(chǎn)中，遙感技術(shù)能實時準(zhǔn)確的提供地表信息，如土壤覆蓋的空間信息，作物長勢，地面生物量、作物營養(yǎng)虧缺，并且可以連續(xù)對地面進(jìn)行長期觀測，構(gòu)成時間和空間的一體化多維信息集合，這種大面積、實時準(zhǔn)確的多維時空信息對農(nóng)業(yè)生產(chǎn)發(fā)展有著不可替代的作用。第2章總體方案2.1建設(shè)思路智慧農(nóng)業(yè)是農(nóng)業(yè)信息化的髙級形態(tài)，它綜合運(yùn)用云計算、物聯(lián)網(wǎng)、移動互聯(lián)、大

5、數(shù)據(jù)、人工智能、社交網(wǎng)絡(luò)、知識管理、虛擬現(xiàn)實等各類新興信息技術(shù)，全面感知農(nóng)林畜牧生態(tài)環(huán)境，智能管理農(nóng)作物從生產(chǎn)到銷售的全過程狀態(tài)信息。智慧農(nóng)業(yè)的建設(shè)思路是一項復(fù)雜的系統(tǒng)工程，必須采用系統(tǒng)化思維和方法進(jìn)行方案設(shè)計與實施，主要包括如下幾個方面。（1）整體規(guī)劃。進(jìn)行智慧農(nóng)業(yè)架構(gòu)的頂層設(shè)計，構(gòu)建模塊化、靈活可擴(kuò)展的技術(shù)架構(gòu)，充分考慮云計算、大數(shù)據(jù)、移動化、智能化等技術(shù)趨勢和安全性保障。（2）緊抓兩端，落實中間。前端以統(tǒng)一服務(wù)平臺為核心，利用智慧農(nóng)業(yè)遙感監(jiān)測與可視化平臺，實現(xiàn)從農(nóng)林畜牧生產(chǎn)管理到經(jīng)營銷售的全過程信息監(jiān)管，提升廣大農(nóng)林畜牧業(yè)管理人員的用戶體驗。后端以大數(shù)據(jù)平臺為核心，實現(xiàn)全市范圍的數(shù)據(jù)融合

6、，實現(xiàn)統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)、統(tǒng)一數(shù)據(jù)視圖、統(tǒng)一數(shù)據(jù)流轉(zhuǎn)、統(tǒng)一數(shù)據(jù)治理和統(tǒng)一數(shù)據(jù)分析，真正將數(shù)據(jù)作為市農(nóng)業(yè)農(nóng)村局的一種核心資產(chǎn)利用起來。中間以業(yè)務(wù)流程為核心，通過與各業(yè)務(wù)部門共同梳理和規(guī)范業(yè)務(wù)流程，將前端用戶服務(wù)體驗和后端統(tǒng)一數(shù)據(jù)連接起來，構(gòu)建全校范圍的業(yè)務(wù)流程網(wǎng)絡(luò)，為用戶提供一致性的科研、管理、業(yè)務(wù)、社交等服務(wù)。（3）以點(diǎn)帶面，步步推進(jìn)（迭代），注重實效。智慧農(nóng)業(yè)建設(shè)是一個長期的過程，不可能一蹴而就，只能夠分步實施。在分步實施的過程中，每一步都要找到當(dāng)前階段核心業(yè)務(wù)、科研和管理過程中的關(guān)鍵點(diǎn)，切中用戶當(dāng)前的迫切需求，以此為切入點(diǎn)，以點(diǎn)帶面，步步推進(jìn)。2.2建設(shè)方案2.2.1技術(shù)路線XX市智慧農(nóng)業(yè)遙感監(jiān)

7、測與可視化平臺包括多源異構(gòu)海量數(shù)據(jù)的集成管理、存儲、計算、數(shù)據(jù)的管理、數(shù)據(jù)共享交換服務(wù)以及數(shù)據(jù)的可視化為一體的技術(shù)體系；基于該技術(shù)體系建設(shè)的智慧農(nóng)業(yè)遙感監(jiān)測與可視化平臺建設(shè)與維護(hù)的目標(biāo)是建立一個能夠容納管理農(nóng)業(yè)各業(yè)務(wù)類別的可擴(kuò)充的、開放的、可持續(xù)發(fā)展的功能體系。能夠接納各種現(xiàn)有的和未來的應(yīng)用系統(tǒng)的數(shù)據(jù)匯聚、共享和交換。技術(shù)路線上需要充分考慮未來對數(shù)據(jù)存儲容量的橫向擴(kuò)充，以及隨著平臺功能服務(wù)能力的增加，系統(tǒng)會越來越承受較大量的服務(wù)請求壓力，因此技術(shù)上需充分使用分布式服務(wù)和集群等方式來達(dá)到系統(tǒng)處理能力的擴(kuò)充。具體技術(shù)框架上包括：數(shù)據(jù)集成：提供對關(guān)系數(shù)據(jù)庫、非關(guān)系數(shù)據(jù)庫、文檔文件等多數(shù)據(jù)源多數(shù)據(jù)格式

8、的數(shù)據(jù)采集功能，具備采集節(jié)點(diǎn)的快速擴(kuò)充、集群任務(wù)分發(fā)能力，主要提供ETL、集成任務(wù)管理、任務(wù)調(diào)度、流程編排、任務(wù)日志等功能。數(shù)據(jù)存儲：按照數(shù)據(jù)的類別、數(shù)據(jù)量大小、數(shù)據(jù)用途等因素，采用混搭結(jié)構(gòu)，實現(xiàn)對非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)的海量存儲。數(shù)據(jù)管理：提供數(shù)據(jù)源管理、數(shù)據(jù)目錄管理、數(shù)據(jù)資源管理、數(shù)數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)質(zhì)量管理等功能。數(shù)據(jù)服務(wù)：將存儲在不同數(shù)據(jù)庫中的海量數(shù)據(jù)以服務(wù)的方式對外提供，采用微服務(wù)架構(gòu)，支持服務(wù)的路由和負(fù)載均衡，輔以安全認(rèn)證等技術(shù)，保證數(shù)據(jù)共享的安全、高效。數(shù)據(jù)可視化：基于“業(yè)務(wù)主導(dǎo)的自服務(wù)模式”的設(shè)計理念，充分利用緩存、數(shù)據(jù)同步、分布式計算等技術(shù)，保障在大數(shù)據(jù)量、復(fù)雜計

9、算、高并發(fā)訪問情況下的數(shù)據(jù)聚合、快速分析和展示，為農(nóng)業(yè)大數(shù)據(jù)的分析、展現(xiàn)提供支撐。將涉及XX市農(nóng)業(yè)農(nóng)村數(shù)據(jù)資源、信息系統(tǒng)建設(shè)情況進(jìn)行綜合決策分析，包括種植、畜牧、農(nóng)機(jī)、監(jiān)管、執(zhí)法、經(jīng)營等多種分析應(yīng)用實現(xiàn)對XX市農(nóng)業(yè)農(nóng)村運(yùn)行態(tài)勢實時量化分析、預(yù)判預(yù)警和可視化表達(dá)。（1）技術(shù)原則和規(guī)范1、系統(tǒng)統(tǒng)一性原則本項目是系統(tǒng)性的平臺工程，各部分服務(wù)功能須遵循統(tǒng)一的標(biāo)準(zhǔn)規(guī)范，包括數(shù)據(jù)庫開發(fā)、系統(tǒng)開發(fā)、接口開發(fā)、數(shù)據(jù)字典編制等，平臺各部分必須實現(xiàn)統(tǒng)一用戶管理、統(tǒng)一系統(tǒng)設(shè)計風(fēng)格和界面風(fēng)格。2、共建共用原則本項目突破區(qū)劃、部門、行業(yè)界限和體制性障礙，充分整合信息基礎(chǔ)設(shè)施和城市公共信息資源，支持跨部門、跨系統(tǒng)、跨行業(yè)

10、的業(yè)務(wù)協(xié)同和資源共享，推動建設(shè)管理集約化、應(yīng)用系統(tǒng)平臺化、資源利用社會化，避免各業(yè)務(wù)系統(tǒng)單獨(dú)規(guī)劃建設(shè)造成信息孤島和重復(fù)建設(shè)。3、標(biāo)準(zhǔn)化與開放性原則本項目應(yīng)遵循國際、國家和各行業(yè)系統(tǒng)的建設(shè)標(biāo)準(zhǔn)參考架構(gòu)和標(biāo)準(zhǔn)規(guī)范進(jìn)行項目的總體規(guī)劃、設(shè)計、建設(shè)和后續(xù)實施工作。為適應(yīng)將來業(yè)務(wù)和技術(shù)發(fā)展的需求，平臺建設(shè)必須具有較強(qiáng)的開放性，故本項目應(yīng)基于面向服務(wù)（SOA）的理念構(gòu)建，需將底層的接入與業(yè)務(wù)的處理分離，實現(xiàn)服務(wù)的封裝、重用，在增加新業(yè)務(wù)時不需要更改系統(tǒng)的軟件結(jié)構(gòu)和網(wǎng)絡(luò)結(jié)構(gòu)。4、先進(jìn)性與適度超前原則采用國際上先進(jìn)且成熟的技術(shù)，采用國際標(biāo)準(zhǔn)體系架構(gòu)，使得設(shè)計更加合理、更為先進(jìn)。充分考慮本項目信息化建設(shè)的現(xiàn)狀和特

11、點(diǎn)，在注重系統(tǒng)實用性的前提下，盡可能采用先進(jìn)的軟、硬件環(huán)境和未來發(fā)展規(guī)劃需求；在軟件的開發(fā)思想上，嚴(yán)格按照軟件工程的標(biāo)準(zhǔn)和面向?qū)ο蟮睦碚搧碓O(shè)計，保證系統(tǒng)的先進(jìn)性。（2）空間數(shù)據(jù)引擎工具空間數(shù)據(jù)引擎工具主要用于空間數(shù)據(jù)的快速可視化和探索?？梢詫崿F(xiàn)的功能包括：資源管理：支持矢量/柵格數(shù)據(jù)的上傳，數(shù)據(jù)導(dǎo)出，數(shù)據(jù)管理，支持和GagoMill無縫對接，實現(xiàn)衛(wèi)星遙感數(shù)據(jù)的自動下載和接入管理。特征操作：支持地塊的勾畫、上傳、矢量數(shù)據(jù)可視化，數(shù)據(jù)集篩選等功能。IMAGE柵格操作：支持柵格數(shù)據(jù)的快速可視化渲染，支持影像柵格數(shù)據(jù)的基本算數(shù)運(yùn)算、邏輯運(yùn)算、條件運(yùn)算。柵格集：支持柵格數(shù)據(jù)集的篩選功能，合成和鑲嵌功能。

12、Reducer操作：柵格統(tǒng)計，矢量柵格轉(zhuǎn)換等。專用算法：柵格分類算法（監(jiān)督分類-支持向量機(jī)SVM、BP神經(jīng)網(wǎng)絡(luò)、最大似然等），云處理算法（支持在線的遙感影像數(shù)據(jù)分類計算，區(qū)別于市場上的離線計算，可大大提高用戶數(shù)據(jù)處理的效率）。實時在線計算，可實現(xiàn)對市級影像數(shù)據(jù)1分鐘內(nèi)的圖像分類計算。支持影像的裁剪和拼接一體化操作，支持影像處理任務(wù)的多任務(wù)管理。（3）空間可視引擎工具空間可視引擎工具是基于開源地圖庫MapboxGL研發(fā)的時空大數(shù)據(jù)庫可視化分析庫，旨在將數(shù)據(jù)轉(zhuǎn)化成可操作的信息，支持大量地塊渲染和柵格數(shù)據(jù)疊加分析。柵格數(shù)據(jù)渲染引擎主要提供在客戶端對柵格數(shù)據(jù)的實時動態(tài)可配置的渲染方式，能夠?qū)崿F(xiàn)多圖層的

13、疊加分析，空間統(tǒng)計分析，操作簡單，讓非專業(yè)的人更好的使用，處理分析空間大數(shù)據(jù)。借助空間可視引擎工具的渲染技術(shù)，之前只能借助各種專業(yè)軟件對柵格數(shù)據(jù)分析，可以轉(zhuǎn)移到Web應(yīng)用平臺來，不需要專業(yè)知識即可實現(xiàn)數(shù)據(jù)的動態(tài)計算。對柵格數(shù)據(jù)坡度，坡向，坡向?qū)崟r運(yùn)算。對遙感數(shù)據(jù)的各種指數(shù)運(yùn)算NDVI,NDWI，以及區(qū)域內(nèi)統(tǒng)計，不同波段的波段運(yùn)算更加便捷。（4）SOA面向服務(wù)架構(gòu)SOA（ServiceOrientedArchitecture,面向服務(wù)的結(jié)構(gòu)）是一種分布式系統(tǒng)的架構(gòu)設(shè)計方法和模型，其基本思想是將軟件系統(tǒng)的功能或資源以服務(wù)形式開放、將軟件資產(chǎn)服務(wù)化、系統(tǒng)間交互通過服務(wù)調(diào)用的方式來完成。SOA服務(wù)架構(gòu)

14、如下圖所示：應(yīng)用原子服勞g尾包原子前、復(fù)臺的瞬組件現(xiàn)濮原圖SOA服務(wù)架構(gòu)i業(yè)務(wù)處理迥程業(yè)務(wù)狀態(tài)機(jī)疾冊信息SOA服務(wù)架構(gòu)遵循以下原則：整體平臺分資源層、組件層、服務(wù)層、應(yīng)用層。資源層包括現(xiàn)有的程序、代碼、數(shù)據(jù)、文件等；對現(xiàn)有資源按照組件規(guī)范進(jìn)行封裝形成服務(wù)組件層；將服務(wù)組件在服務(wù)總線ESB上注冊和開放形成服務(wù)層；對ESB上的服務(wù)按照業(yè)務(wù)邏輯進(jìn)行組合編排形成業(yè)務(wù)。以服務(wù)總線ESB為SOA架構(gòu)的基礎(chǔ)支撐，通過ESB完成對服務(wù)的注冊、協(xié)議適配、服務(wù)路由、格式轉(zhuǎn)換等功能。服務(wù)等級、服務(wù)權(quán)限、安全控制、服務(wù)治理等是SOA架構(gòu)的重要保證性功能。（5）數(shù)據(jù)交換技術(shù)數(shù)據(jù)交換通過兩種方式：一、搭建交換平臺；二、R

15、estful接口調(diào)用。1、交換平臺基于MQ開發(fā)數(shù)據(jù)交換平臺，實現(xiàn)對業(yè)務(wù)系統(tǒng)數(shù)據(jù)的清洗、整合、轉(zhuǎn)換、加載，同時實現(xiàn)交換過程中節(jié)點(diǎn)管理、隊列管理、交換管理和平臺管理。斷點(diǎn)續(xù)傳在數(shù)據(jù)傳輸?shù)倪^程中已傳數(shù)據(jù)的信息都有記錄，當(dāng)傳輸過程中遇到突發(fā)狀況導(dǎo)致數(shù)據(jù)傳輸中斷后，再次啟動數(shù)據(jù)傳輸進(jìn)程數(shù)據(jù)會從斷點(diǎn)位置后進(jìn)行續(xù)傳。而不是重新從頭再將數(shù)據(jù)傳輸一遍。數(shù)據(jù)加密在進(jìn)行數(shù)據(jù)傳輸策略選擇時，可以選擇加密或不加密進(jìn)行傳輸，如果選擇加密傳輸則在傳輸數(shù)據(jù)時先對數(shù)據(jù)進(jìn)行加密，然后發(fā)送到目標(biāo)機(jī)器在進(jìn)行解密，保證傳輸過程中的數(shù)據(jù)不被泄露。文件監(jiān)聽用戶在配置傳輸時可配置對一個目錄的文件監(jiān)聽，如果這個目錄下的文件發(fā)生變化文件服務(wù)就會

16、捕捉到事件觸發(fā)文件傳輸。高性能高可靠支持海量消息存儲和每秒億級吞吐量，各隊列總?cè)萘靠蛇_(dá)PB級;消息可靠存儲不丟失，支持消息隊列間傳遞消息且傳輸消息不重不漏2、Restful接口通過Restful接口的開發(fā)和調(diào)用實現(xiàn)數(shù)據(jù)交換，并且可以對共性的路由規(guī)則進(jìn)行統(tǒng)一管理，根據(jù)統(tǒng)一的路由標(biāo)識將此路由策略對批量服務(wù)進(jìn)行統(tǒng)一配置，不需要對每個服務(wù)進(jìn)行單獨(dú)開發(fā)，減少集成服務(wù)的工作量。OAuth2.0授權(quán)認(rèn)證基于OAuth2.0協(xié)議方式，實現(xiàn)接口設(shè)計，對于接口調(diào)用，支持基于用戶和角色的安全授權(quán)，以及基于令牌的身份認(rèn)證，最大保障數(shù)據(jù)的安全。服務(wù)代理所有交換接口由系統(tǒng)統(tǒng)一代理轉(zhuǎn)發(fā)，代理地址可自定義，可通過擴(kuò)展節(jié)點(diǎn)的方

17、式實現(xiàn)服務(wù)的負(fù)載均衡，保障服務(wù)接口的高性能。（6）開發(fā)技術(shù)開發(fā)技術(shù)包括開發(fā)架構(gòu)、開發(fā)語言、開發(fā)框架/插件三種技術(shù)。所選取技術(shù)如下表：表開發(fā)技術(shù)表開發(fā)架構(gòu)J2EE開發(fā)語言Java開發(fā)框架/插件Spring、AJAX、HTML5、JSON、XML、MiscroService（微服務(wù)架構(gòu)）開發(fā)架構(gòu)J2EE核心是一組技術(shù)規(guī)范與指南，其中所包含的各類組件、服務(wù)架構(gòu)及技術(shù)層次，均有共同的標(biāo)準(zhǔn)及規(guī)格，讓各種依循J2EE架構(gòu)的不同平臺之間，存在良好的兼容性。J2EE平臺由一整套服務(wù)（Services）、應(yīng)用程序接口（APIs）和協(xié)議構(gòu)成，它對開發(fā)基于Web的多層應(yīng)用提供了功能支持。本項目各組成系統(tǒng)遵循MVC（

18、ModelViewController）架構(gòu)設(shè)計模式，該模式主要應(yīng)用于圖形化用戶界面（GUI）應(yīng)用程序。MVC由Model（模型）、View（視圖）及Controller（控制器）三部分組成。MVC是一種軟件設(shè)計典范，用于組織代碼用一種業(yè)務(wù)邏輯和數(shù)據(jù)顯示分離的方法，這個方法的假設(shè)前提是如果業(yè)務(wù)邏輯被聚集到一個部件里面,而且界面和用戶圍繞數(shù)據(jù)的交互能被改進(jìn)和個性化定制而不需要重新編寫業(yè)務(wù)邏輯MVC被獨(dú)特的發(fā)展起來用于映射傳統(tǒng)的輸入、處理和輸出功能在一個邏輯的圖形化用戶界面的結(jié)構(gòu)中。選用Java作為開發(fā)語言。開發(fā)框架/插件1、SpringSpring是一個分層的JavaSE/EEfull-stac

19、k（站式）輕量級開源框架，是為了解決企業(yè)應(yīng)用程序開發(fā)復(fù)雜性而創(chuàng)建的?？蚣艿闹饕獌?yōu)勢之一就是其分層架構(gòu)，分層架構(gòu)允許您選擇使用哪一個組件，同時為J2EE應(yīng)用程序開發(fā)提供集成的框架。2、AJAXAJAX是一種用于創(chuàng)建快速動態(tài)網(wǎng)頁的技術(shù)。通過在后臺與服務(wù)器進(jìn)行少量數(shù)據(jù)交換，AJAX可以使網(wǎng)頁實現(xiàn)異步更新?？梢栽诓恢匦录虞d整個網(wǎng)頁的情況下，對網(wǎng)頁的某部分進(jìn)行更新。AJAX最大優(yōu)點(diǎn)就是能在不刷新整個頁面的前提下與服務(wù)器通信維護(hù)數(shù)據(jù)。這使得Web應(yīng)用程序更為迅捷地響應(yīng)用戶交互，并避免了在網(wǎng)絡(luò)上發(fā)送那些沒有改變的信息，減少用戶等待時間，帶來非常好的用戶體驗。3、HTML5HTML5的設(shè)計目的是為了在移動設(shè)備

20、上支持多媒體。4、JSONJSON（JavaScriptObjectNotation，JS對象標(biāo)記）是一種輕量級的數(shù)據(jù)交換格式。它基于ECMAScript規(guī)范的一個子集，采用完全獨(dú)立于編程語言的文本格式來存儲和表示數(shù)據(jù)。簡潔和清晰的層次結(jié)構(gòu)使得JSON成為理想的數(shù)據(jù)交換語言。易于人閱讀和編寫，同時也易于機(jī)器解析和生成，并有效地提升網(wǎng)絡(luò)傳輸效率。5、XMLXML（eXtensibleMarkupLanguage,可擴(kuò)展置標(biāo)語言）是由W3C（WorldWideWebConsortium互聯(lián)網(wǎng)聯(lián)合組織）于1998年2月發(fā)布的一種標(biāo)準(zhǔn)，它是一種數(shù)據(jù)交換格式，允許在不同的系統(tǒng)或應(yīng)用程序之間交換數(shù)據(jù)，通過

21、一種網(wǎng)絡(luò)化的處理機(jī)構(gòu)來遍歷數(shù)據(jù)，每個網(wǎng)絡(luò)節(jié)點(diǎn)存儲或處理數(shù)據(jù)并且將結(jié)果傳輸給相鄰的節(jié)點(diǎn)。它是一組用于設(shè)計數(shù)據(jù)格式和結(jié)構(gòu)的規(guī)則和方法，易于生成便于不同的計算機(jī)和應(yīng)用程序讀取的數(shù)據(jù)文件。6、MiscroService(微服務(wù)架構(gòu))微服務(wù)架構(gòu)是一項在云中部署應(yīng)用和服務(wù)的新技術(shù)。一個大型復(fù)雜軟件應(yīng)用由一個或多個微服務(wù)組成。系統(tǒng)中的各個微服務(wù)可被獨(dú)立部署，各個微服務(wù)之間是松耦合的。每個微服務(wù)僅關(guān)注于完成一件任務(wù)并很好地完成該任務(wù)。(7)可視化技術(shù)農(nóng)業(yè)大數(shù)據(jù)平臺可選用的可視化技術(shù)包括AngularJS、ECharts、Jquery、GIS四種。1、AngularJSAngularJS是一個為動態(tài)WEB應(yīng)用設(shè)

22、計的結(jié)構(gòu)框架。它能讓你使用HTML作為模板語言，通過擴(kuò)展HTML的語法，能更清楚、簡潔地構(gòu)建應(yīng)用組件。2、EChartsECharts是一個基于瀏覽器的圖表和可視化庫。它的目的是易于使用和靈活，以及直觀和髙度可定制。和許多其它庫一樣，ECharts是一個JavaScript庫；然而，它是基于zrender,個為2D圖表設(shè)計的原始畫布庫。3、JqueryJquery是一個快速、簡潔的JavaScript框架。具有獨(dú)特的鏈?zhǔn)秸Z法和短小清晰的多功能接口；具有高效靈活的css選擇器，并且可對CSS選擇器進(jìn)行擴(kuò)展；擁有便捷的插件擴(kuò)展機(jī)制和豐富的插件。jQuery兼容各種主流瀏覽器，如IE6.0+、FF1

23、.5+、Safari2.0+、Opera9.0+等。4、GIS地理信息系統(tǒng)（GIS）將地理學(xué)與地圖學(xué)、以及遙感和計算機(jī)科學(xué)進(jìn)行結(jié)合，用于輸入、存儲、查詢、分析和顯示地理數(shù)據(jù)。從技術(shù)和應(yīng)用的角度，GIS是解決空間問題的工具、方法和技術(shù)；從學(xué)科的角度，GIS是在地理學(xué)、地圖學(xué)、測量學(xué)和計算機(jī)科學(xué)等學(xué)科基礎(chǔ)上發(fā)展起來的一門學(xué)科，具有獨(dú)立的學(xué)科體系；從功能上，GIS具有空間數(shù)據(jù)的獲取、存儲、顯示、編輯、處理、分析、輸出和應(yīng)用等功能；從系統(tǒng)學(xué)的角度，GIS具有一定結(jié)構(gòu)和功能，是一個完整的系統(tǒng)。2.2.2系統(tǒng)架構(gòu)智慧農(nóng)業(yè)遙感監(jiān)測與可視化平臺建設(shè)與維護(hù)通過對三農(nóng)信息資源的數(shù)據(jù)整合、標(biāo)準(zhǔn)化處理、大數(shù)據(jù)加工、數(shù)

24、據(jù)服務(wù)共享，建立包括數(shù)據(jù)采集、數(shù)據(jù)治理、數(shù)據(jù)管理和數(shù)據(jù)服務(wù)，為分析決策、智能控制、信息化等多層次結(jié)構(gòu)的農(nóng)業(yè)產(chǎn)業(yè)體系提供支撐，促進(jìn)數(shù)據(jù)的大集中、共建共享和業(yè)務(wù)協(xié)同，形成數(shù)據(jù)統(tǒng)一開放服務(wù)平臺，實現(xiàn)農(nóng)業(yè)農(nóng)村信息服務(wù)的集群化和產(chǎn)業(yè)化。總體架構(gòu)如下圖所示：專題應(yīng)冃曲享交換模向共早臥冋交掩服務(wù)壯享開務(wù)目錄農(nóng)也$出鶴資坤管理屈務(wù)妊閒尿弄河兗牌島調(diào)廈出封粗基全蠱抵恬蛙囲空同地戲據(jù)檢理眼茅索碼4BSHW4-SW拖笳曲押可視It展示障休系額第匯關(guān)夙治理41fS曲週It咼理IE且圧黑労豈任芳曲揑吃插日志匯聚笞理準(zhǔn)規(guī)范體系基政務(wù)云圖總體架構(gòu)基礎(chǔ)層：基礎(chǔ)層為XX市政務(wù)云提供基礎(chǔ)架構(gòu)硬件和軟件資源，包括服務(wù)器、存儲設(shè)備、

25、網(wǎng)絡(luò)設(shè)備、機(jī)房環(huán)境、操作系統(tǒng)、軟件平臺、數(shù)據(jù)庫等，以及基于基礎(chǔ)設(shè)施上搭建的計算資源池、存儲資源池、網(wǎng)絡(luò)資源池等云基礎(chǔ)設(shè)施環(huán)境。數(shù)據(jù)層：數(shù)據(jù)層是整體項目的數(shù)據(jù)資源保障，本期建設(shè)采用結(jié)構(gòu)化數(shù)據(jù)庫建設(shè)數(shù)據(jù)中心，包括農(nóng)業(yè)數(shù)據(jù)資源庫、數(shù)據(jù)匯聚及治理系統(tǒng)、數(shù)據(jù)資源管理系統(tǒng)。服務(wù)層：服務(wù)層將XX市農(nóng)業(yè)數(shù)據(jù)資源，以服務(wù)化的方式通過服務(wù)總線將數(shù)據(jù)開放共享給各業(yè)務(wù)平臺和業(yè)務(wù)系統(tǒng)使用，主要包括基礎(chǔ)服務(wù)和專題服務(wù)，通過服務(wù)資源管理系統(tǒng)實現(xiàn)對服務(wù)的治理和開放。應(yīng)用層：應(yīng)用層為以XX市農(nóng)業(yè)大數(shù)據(jù)中心為數(shù)據(jù)基礎(chǔ)，依托服務(wù)層提供的各類數(shù)據(jù)服務(wù)，為上層一張圖、決策分析等通用、專題應(yīng)用提供數(shù)據(jù)支撐。標(biāo)準(zhǔn)規(guī)范體系：標(biāo)準(zhǔn)規(guī)范體系是制

26、定符合XX市實際情況的數(shù)據(jù)生產(chǎn)、更新、維護(hù)、管理規(guī)范；制定應(yīng)用系統(tǒng)的設(shè)計、運(yùn)維等全流程工作規(guī)范；制定信息化建設(shè)與應(yīng)用相關(guān)機(jī)制。2.2.3部署架構(gòu)系統(tǒng)需要部署在采購人指定網(wǎng)域上的服務(wù)器或云服務(wù)器上，支持部署在Centos系統(tǒng)環(huán)境。系統(tǒng)部署支持分布式計算、負(fù)載均衡和群集技術(shù)、具有良好的可擴(kuò)展性和容錯性。本系統(tǒng)的部署架構(gòu)如下所示：ri網(wǎng)城應(yīng)用系統(tǒng)咅曙服務(wù)器訝越詳fil、究件斥S9Stweatherapisofvicamapapt詢rviotherserviceaplswviNglnxnsiV圖部署架構(gòu)圖架構(gòu)采用hadoop和docker容器。容器集群為應(yīng)用提供生產(chǎn)環(huán)境下的彈性部署，按需自適應(yīng)為應(yīng)用供

27、給并支持應(yīng)用的持續(xù)集成與交付不斷滿足用戶新的需求，大數(shù)據(jù)運(yùn)維包括常規(guī)的大數(shù)據(jù)主機(jī)運(yùn)維及大數(shù)據(jù)組件的運(yùn)維，保證大數(shù)據(jù)主機(jī)及組件的正常使用。2.2.4功能設(shè)計農(nóng)業(yè)生產(chǎn)遙感監(jiān)測及空間可視化是XX市整個農(nóng)業(yè)大數(shù)據(jù)平臺的“時空引擎”協(xié)助農(nóng)業(yè)管理部門實現(xiàn)數(shù)據(jù)多維度表達(dá)，指導(dǎo)農(nóng)業(yè)生產(chǎn)、經(jīng)營、管理及服務(wù)?；谛l(wèi)星遙感的農(nóng)業(yè)生產(chǎn)遙感監(jiān)測及空間可視化充分運(yùn)用大數(shù)據(jù)理念和技術(shù)創(chuàng)新農(nóng)業(yè)監(jiān)測統(tǒng)計工作的思路和辦法，進(jìn)一步盤點(diǎn)XX市主糧作物（小麥、玉米）的田塊資產(chǎn)底數(shù)，為領(lǐng)導(dǎo)決策者摸清農(nóng)業(yè)產(chǎn)業(yè)資源、產(chǎn)業(yè)生產(chǎn)底牌及其承載力，實現(xiàn)以圖管農(nóng)，以數(shù)治理，提髙業(yè)務(wù)決策效率，提髙XX市的農(nóng)村經(jīng)濟(jì)運(yùn)行監(jiān)測的能力和水平，形成區(qū)域農(nóng)業(yè)產(chǎn)業(yè)現(xiàn)

28、狀全景圖。項目建成后能更好地服務(wù)政府部門決策和市場主體生產(chǎn)經(jīng)營決策，打造XX市、XXX省乃至全國范圍的農(nóng)業(yè)大數(shù)據(jù)技術(shù)應(yīng)用示范樣板。項目為以后將作物全產(chǎn)業(yè)鏈的生產(chǎn)、經(jīng)營、管理、服務(wù)等各環(huán)節(jié)嵌入農(nóng)業(yè)大數(shù)據(jù)技術(shù)，形成可復(fù)制、可推廣、可持續(xù)的試點(diǎn)成果，打下夯實的基礎(chǔ)。2.2.4.1農(nóng)業(yè)精準(zhǔn)生產(chǎn)空間遙感監(jiān)測遙感衛(wèi)星能夠快速、方便的提供針對XX市農(nóng)業(yè)的大范圍、長時間連續(xù)觀測數(shù)據(jù)，遙感觀測數(shù)據(jù)無疑能為農(nóng)業(yè)提供最有效的基礎(chǔ)信息支撐?；谛l(wèi)星遙感技術(shù)、大數(shù)據(jù)技術(shù)、云計算等信息技術(shù)和農(nóng)學(xué)知識的髙度集成，通過智能分析、智能決策等應(yīng)用，實現(xiàn)農(nóng)田資產(chǎn)管理、作物種植監(jiān)測、精準(zhǔn)氣象服務(wù)、農(nóng)事作業(yè)管理、科學(xué)輔助決策，加快推進(jìn)

29、農(nóng)業(yè)生產(chǎn)智能化、經(jīng)營信息化、管理數(shù)字化、服務(wù)在線化，全面提髙農(nóng)業(yè)現(xiàn)代化水平。其中此部分建設(shè)要求的數(shù)據(jù)源不在XX市已有信息化建設(shè)中獲取,需要重新獲取，滿足最終在農(nóng)業(yè)共享交換數(shù)據(jù)中心存儲共享一份。數(shù)據(jù)具體主要有兩大類：a）根據(jù)XX市小麥、玉米作物識別、長勢監(jiān)測、產(chǎn)量預(yù)估等數(shù)據(jù)應(yīng)用需求，主要采用國產(chǎn)高分辨率影像數(shù)據(jù)（高分二號0.8米、高分一號2米、高景一號0.5米、資源三號2.1米），中分辨率影像數(shù)據(jù)。此外，考慮XX市可能會出現(xiàn)衛(wèi)星遙感影像的覆蓋度和質(zhì)量因素，可選擇Landsat、Sentinel等衛(wèi)星數(shù)據(jù)進(jìn)行補(bǔ)充、融合應(yīng)用。b）氣象數(shù)據(jù)主要融合國內(nèi)氣象站點(diǎn)數(shù)據(jù)、短臨降水預(yù)報數(shù)據(jù)（基于人工智能的雷達(dá)

30、圖像降水預(yù)報）、NOAA（美國國家海洋和大氣管理局）GFS數(shù)據(jù)、ECMWF（歐洲中期天氣預(yù)報中心）數(shù)據(jù)，確保從宏觀尺度到氣象站點(diǎn)尺度的全面氣象數(shù)據(jù)服務(wù)，利用氣象降尺度模型，提供公里級網(wǎng)格區(qū)域1-15天氣象預(yù)報，其中包括溫度、降水、風(fēng)向風(fēng)速、相對濕度等氣象要素數(shù)據(jù)，以及針對小麥、玉米關(guān)鍵生育時期的氣象災(zāi)害預(yù)警提醒。農(nóng)業(yè)精準(zhǔn)生產(chǎn)空間遙思監(jiān)測圖農(nóng)業(yè)精準(zhǔn)生產(chǎn)空間遙感監(jiān)測建設(shè)內(nèi)容2.2.4.1.1農(nóng)作物遙感識別利用高分辨率衛(wèi)星遙感影像，結(jié)合本地統(tǒng)計數(shù)據(jù)、土地利用數(shù)據(jù)以及地形地貌等，將多源環(huán)境異構(gòu)數(shù)據(jù)統(tǒng)一到自然圖像平臺上，融合大數(shù)據(jù)的深度學(xué)習(xí)技術(shù)，按照田塊形態(tài)、耕種方向、行距壟距和圖像紋理等特征，基于XX

31、市小麥、玉米主糧作物的不同物候期特征等，構(gòu)建適應(yīng)相應(yīng)數(shù)據(jù)結(jié)構(gòu)的“小麥深度學(xué)習(xí)模型”和“玉米深度學(xué)習(xí)模型”，自動識別XX市全部范圍內(nèi)小麥、玉米田塊的天然分界線，實現(xiàn)對主糧作物種類的精確識別和分類，分析2017年-2019年三年農(nóng)作物種植面積數(shù)據(jù)。識別對象：小麥種植大田、玉米種植大田；區(qū)域范圍：XX市全域。數(shù)據(jù)源：優(yōu)于5米的衛(wèi)星遙感影像、地面采樣點(diǎn)；數(shù)據(jù)源時間范圍：2017-2019年；數(shù)據(jù)格式要求：矢量格式進(jìn)行傳輸和展示；地塊矢量數(shù)據(jù)精度要求：多邊形邊界精度偏差不超過4米；更新頻率：一年更新一次。加噸與裁藍(lán)圭糧作籾地類識別數(shù)據(jù)預(yù)妙哼幾muJUMI1IiHrtSBMaDEM悪捱菠取基fiiht它理

32、救盤菇貶高、中廿辨率衛(wèi)星逼感影像獲取圖小麥、玉米遙感識別技術(shù)路線圖作物遙感識別分類示意圖農(nóng)作物遙感識別支持海量用戶基于B/S（瀏覽器/服務(wù)器）架構(gòu)對于地圖數(shù)據(jù)的IE瀏覽器快速遠(yuǎn)程訪問，尤其是海量XX市小麥、玉米地塊矢量數(shù)據(jù)、衛(wèi)星影像柵格數(shù)據(jù)的“秒級”頁面加載和多圖層分級顯示。模塊設(shè)計采用“網(wǎng)格化”的方式將種植區(qū)域范圍內(nèi)的小麥、玉米分布位置及面積等在一張“數(shù)字地圖”上集中展示，全面真實展示XX市玉米、小麥等農(nóng)作物空間分布格局。農(nóng)作物遙感識別模塊提供快速地圖定位、放大、縮小、平移等圖層操作；支持地塊耕種屬性數(shù)據(jù)新增、修改、刪除、批量導(dǎo)入和導(dǎo)出、統(tǒng)計分析功能，為XX市農(nóng)業(yè)管理部門提供最直接高效的主糧

33、作物種植田塊資產(chǎn)盤點(diǎn)和核心信息展示服務(wù)。圖農(nóng)作物識別、面積占比統(tǒng)計效果示意基于遙感影像數(shù)據(jù)的農(nóng)作物識別方法：1、數(shù)據(jù)準(zhǔn)備對XX市農(nóng)作物（玉米、小麥等）識別要求，將選擇中髙分辨率遙感影像數(shù)據(jù)作為基本數(shù)據(jù)源，影像空間分辨率優(yōu)于30米，數(shù)據(jù)源包括國產(chǎn)髙分二號0.8米、髙分一號2米、髙分1號16米、髙景一號0.5米、資源三號2.1米。2、遙感數(shù)據(jù)預(yù)處理遙感影像數(shù)據(jù)預(yù)處理采用佳格自主研發(fā)的GagoMill引擎實現(xiàn)影像數(shù)據(jù)自動化預(yù)處理，包括：輻射校正、正射校正、影像融合、影像拼接、影像裁切等工作。圖遙感影像預(yù)處理3、基于“深度學(xué)習(xí)”的農(nóng)作物遙感識別采用多源長時序高空間分辨率的遙感影像數(shù)據(jù)，結(jié)合小麥、玉米等

34、不同農(nóng)作物在遙感影像上明顯的紋理、形狀和光譜特征，選取樣本特征，構(gòu)建深度學(xué)習(xí)模型，開展模型訓(xùn)練，完成XX市不同農(nóng)作物識別和信息提取。農(nóng)作物識別模型中采用深度學(xué)習(xí)算法(CNN，卷積神經(jīng)網(wǎng)絡(luò))，算法原理如下：CNN的基本網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、卷積層(convolutionallayer)、池化層(poolinglayer，也稱取樣層)、全連接層及輸出層構(gòu)成。其中卷積層、池化層、全連接層有不同的功能。卷積層。卷積層由多個特征面(FeatureMap)組成，每個特征面由多個神經(jīng)元組成，它的每一個神經(jīng)元通過卷積核與上一層特征面的局部區(qū)域相連。卷積核是nXn的矩陣。首先從圖像中隨機(jī)選取一小塊局域作為訓(xùn)練樣本，

35、從該小塊樣本中學(xué)習(xí)到一些特征，然后將這些特征作為濾波器，與原始整個圖像作卷積運(yùn)算，從而得到原始圖像中任一位置上的不同特征的激活值。在CNN結(jié)構(gòu)中，深度越深、特征面數(shù)目越多。池化層。池化層在卷積層之后。卷積層是池化層的輸入層，卷積層的一個特征面與池化層中的一個特征面唯一對應(yīng)，且池化層的神經(jīng)元也與其輸入層的局部接受域相連，不同神經(jīng)元局部接受域不重疊。卷積層和池化層交替設(shè)置。如果選擇圖像中的連續(xù)范圍作為池化區(qū)域，同時只對相同的隱含神經(jīng)元產(chǎn)生的卷積特征使用池化，則這些池化后的特征單元具有平移不變性。即使原始圖像中的物體產(chǎn)生了一個較小的平移，依然可以得到相同的池化特征，分類器也依然能夠輸出相同的分類結(jié)果

36、。（3）全連接層。在CNN結(jié)構(gòu)中，經(jīng)多個卷積層和池化層后，連接著1個或1個以上的全連接層。全連接層可以整合卷積層或者池化層中具有類別區(qū)分性的局部信息。為了提升CNN網(wǎng)絡(luò)性能，全連接層每個神經(jīng)元的激勵函數(shù)一般采用ReLU函數(shù)。最后一層全連接層的輸出值被傳遞給一個輸出層，可以采用softmax邏輯回歸（softmaxregression）進(jìn)行分類。對于一個具體的分類任務(wù)，選擇一個合適的損失函數(shù)是十分重要的。農(nóng)作物識別模型過程如下：（1）輸入標(biāo)準(zhǔn)遙感影像數(shù)據(jù)和樣本數(shù)據(jù)（來源于農(nóng)作物識別樣本庫）；（2）根據(jù)樣本數(shù)據(jù)，確定判決函數(shù)和判決規(guī)則；（3）根據(jù)判決函數(shù)和判決規(guī)則對非訓(xùn)練樣區(qū)的圖像區(qū)域進(jìn)行分類（4

37、）輸出農(nóng)作物識別結(jié)果（小麥、玉米、其他農(nóng)作物、非農(nóng)作物等）。圖農(nóng)作物遙感識別技術(shù)流程2.2.4.1.2農(nóng)作物長勢監(jiān)測植被指數(shù)是衛(wèi)星遙感中最具明確意義的指數(shù)之一，也是植被監(jiān)測、農(nóng)業(yè)遙感應(yīng)用中最常用的數(shù)據(jù)。標(biāo)準(zhǔn)歸一化植被指數(shù)(NDVI)是利用遙感傳感器紅波段(0.6-0.7um)和近紅外波段(0.7-1.1um)獲得的能夠表征植被類型的全球分布及其生物物理和結(jié)構(gòu)特性、以及長勢變化等的有效參數(shù)，是對地表植被活動的較為可靠的測量。利用時序衛(wèi)星影像數(shù)據(jù)，反演NDVI等相關(guān)植被指數(shù)，對XX市主糧作物中的小麥、玉米進(jìn)行全市范圍、全生育周期的不間斷生長狀況監(jiān)測，獲得關(guān)鍵物候期作物長勢的綜合評估。監(jiān)測作物對象：

38、小麥、玉米；數(shù)據(jù)源：優(yōu)于30米的衛(wèi)星遙感影像、地面采樣點(diǎn)；數(shù)據(jù)源時間范圍：2017年-2019年；數(shù)據(jù)格式要求：柵格數(shù)據(jù)lerc格式進(jìn)行傳輸和展示；監(jiān)測方法要求：基于遙感反演植被指數(shù)監(jiān)測作物的生長狀態(tài)，以塊狀圖、曲線圖方式展示；監(jiān)測時間要求：關(guān)鍵生育期每8天監(jiān)測一次。圖小麥、玉米長勢監(jiān)測技術(shù)路線圖空間分辨率為30米分辨率的長勢監(jiān)測示意11-1作物區(qū)巖卯ipwyiti舊20ih/n/J2111CAI即耳圖全區(qū)域長勢監(jiān)測及單點(diǎn)長勢值變化圖全區(qū)域長勢監(jiān)測變化示意本模塊以時間軸的動態(tài)輪播，在地圖上自動展示XX市玉米、小麥不同生育期、不同階段田間長勢變化情況。當(dāng)點(diǎn)擊地圖上任意位置時，可將本年度生育期內(nèi)積

39、溫、降水、光照等氣象因素與歷史相關(guān)氣象因素進(jìn)行對比，本年度小麥、玉米各生育期長勢與歷史各關(guān)鍵生育期長勢進(jìn)行對比，生成統(tǒng)計對比圖表，地圖和圖表聯(lián)動，動態(tài)直觀展示XX市小麥、玉米長勢變化原因。同時以動態(tài)輪播的形式為XX市農(nóng)業(yè)生產(chǎn)者、農(nóng)業(yè)管理者提供農(nóng)作物全生育周期的生長狀況，以便進(jìn)行生產(chǎn)監(jiān)管和指導(dǎo)服務(wù)。圖1玉米7月長勢監(jiān)測效果示意圖2玉米9月長勢監(jiān)測效果示意農(nóng)作物長勢監(jiān)測模型技術(shù)原理：作物長勢信息反映作物生長的狀況和趨勢，是農(nóng)情信息的重要組成部分。遙感技術(shù)具有宏觀、適時和動態(tài)的特點(diǎn)，利用遙感數(shù)據(jù)動態(tài)監(jiān)測區(qū)域作物長勢具有無可比擬的優(yōu)勢。作物長勢遙感監(jiān)測是利用遙感數(shù)據(jù)對作物的實時苗情、環(huán)境動態(tài)和分布狀況

40、進(jìn)行宏觀的估測，及時了解作物生長動態(tài)，便于采取各種管理措施，為作物生產(chǎn)管理者或管理決策者提供及時準(zhǔn)確的數(shù)據(jù)信息平臺。1、遙感植被指數(shù)對作物遙感監(jiān)測的原理是建立在作物光譜特征基礎(chǔ)之上的，即作物在可見光部分（被葉綠素吸收）有較強(qiáng)的吸收峰，近紅外波段（受葉片內(nèi)部構(gòu)造影響）有強(qiáng)烈的反射率，形成突峰，這些敏感波段及其組合形成植被指數(shù)，可以反射作物生長的空間信息。長勢遙感監(jiān)測的基礎(chǔ)是必須有可用遙感監(jiān)測的生物學(xué)長勢因子，以植被指數(shù)、葉面積指數(shù)等為代表的植被遙感參數(shù)是公認(rèn)的能夠反映作物長勢的遙感監(jiān)測指標(biāo)。紅邊圖植物光譜特征曲線可見先短叢n的0.*EOB1a1.416Mi5虹外疫鐵頷色甸胞拮禪水料含HIF?平臺

41、區(qū)葉綠秦啰收水吸收（1）歸一化植被指數(shù)（NDVI）歸一化植被指數(shù)(NDVI)是最常用的植被指數(shù)，其原理是植物在近紅外波段的反射率要遠(yuǎn)遠(yuǎn)高于紅光波段，同時背景地物如水體在近紅外波段的反射率要低于紅光波段。因此可以利用近紅外與紅光波段反射率值進(jìn)行歸一化來增強(qiáng)植被與背景之間的差異。歸一化的結(jié)果為NDVI=(NIR-RED)/(NIR+RED)NDVI能夠有效增強(qiáng)植被信息使其值明顯大于其他地物，如水體、道路、土壤等。與其他植被指數(shù)相比，NDVI的優(yōu)勢在于：適用性強(qiáng)，其利用的是大多數(shù)遙感影像都具備的紅波段和近紅波段，這對研究長時間或基于多源數(shù)據(jù)的植被覆蓋變化尤為重要由其構(gòu)造的時序能較好地反映植被生長狀況

42、；能夠有效地消除大氣的影響。NDVI作為一種常用的植被指數(shù)之一，被較多地用來研究作物長勢監(jiān)測和產(chǎn)量估測。歸一化植被指數(shù)不僅反映了植被生長狀況、生產(chǎn)率及其它生物物理、化學(xué)特征，還可以消除與太陽高度角、地形、陰影和大氣條件對衛(wèi)星探測光譜信息的影響，其變化與作物生長狀況、發(fā)育時期關(guān)系非常緊密。NDVI通過下面公式計算獲得：NDVI=(NIR-Red)/(NIR+Red)式中：Red影像可見光紅波段反射率；NIR影像近紅外波段反射率；(2)葉面積指數(shù)(LAI)葉面積指數(shù)(leafareaindex,LAI)是指單位土地面積上植物葉片總面積占土地面積的倍數(shù)。即：葉面積指數(shù)=葉片總面積/土地面積。實驗發(fā)現(xiàn)

43、，葉面積指數(shù)是與長勢的個體特征和群體特征有關(guān)的綜合指數(shù)。作物的葉面積指數(shù)是決定作物光合作用速率的重要因子，葉面積指數(shù)越大，光合作用越強(qiáng)，這是用葉面積指數(shù)監(jiān)測長勢的基礎(chǔ)。歸一化植被指數(shù)（NDVI）與作物的LAI葉面積指數(shù)有很好的相關(guān)性，在作物的長勢監(jiān)測中，已被作為反映作物生長狀況的良好指標(biāo)。2、數(shù)據(jù)獲取現(xiàn)有的農(nóng)作物長勢遙感監(jiān)測由于需要較高的時間頻率如：15日/期且指標(biāo)計算需要使用可見光遙感數(shù)據(jù)，因此往往使用時間分辨率較高的MODIS/NOAA-AVHRR/SPOTVEGTATION作為主要數(shù)據(jù)源，這些衛(wèi)星具有固定區(qū)域每日重訪的能力，因此能夠提供長勢監(jiān)測所需的數(shù)據(jù)。但這些數(shù)據(jù)雖然具有較高的時間分辨

44、率，卻具有較低的空間分辨率，最高空間分辨率為250米，無法實現(xiàn)對作物區(qū)域更精細(xì)化的監(jiān)測。為了解決上述問題，本項目中農(nóng)作物長勢監(jiān)測結(jié)合大數(shù)據(jù)技術(shù)，利用遙感數(shù)據(jù)時空融合方法，實現(xiàn)了10米分辨率的Sentinel-2數(shù)據(jù)與MODIS-NDVI產(chǎn)品融合，通過對像元之間關(guān)系的分級，從時序低空間分辨率像元提取像元反射率的時間變化規(guī)律，在利用前期的中高分辨影像的反射率，獲取下一個時間的中高空間分辨率影像的反射率，從而得到與MODIS-NDVI產(chǎn)品同周期的10米分辨NDVI產(chǎn)品。能夠為作物長勢監(jiān)測穩(wěn)定提供2期/月的中髙分辨率NDVI產(chǎn)品。+5entinel2-j可用時間分辭率：20天空間分辭率.io黑RtMD

45、VI產(chǎn)品”可用時間片辨率，E天空間分搭率10笨MODIS-NDVI產(chǎn)品”可用時間少蒔率-8day空間分辨率260m可用時問竹貳率竄詳一拚屆扭狡塚釵曙購平均時間圖10米NDVI產(chǎn)品簡介圖左側(cè)為250米MODIS數(shù)據(jù)，右側(cè)為融合后10米NDVI產(chǎn)品（底圖為Google影像）3、作物長勢監(jiān)測分析作物長勢監(jiān)測的主要任務(wù)是反映作物的生長狀況。主要從兩個方面進(jìn)行作物長勢遙感監(jiān)測，一為作物生長的實時監(jiān)測，主要通過年際間的遙感影像數(shù)據(jù)的對比獲得作物長勢監(jiān)測分級圖，同時綜合物候、云標(biāo)識和農(nóng)業(yè)氣象等信息，分小麥和玉米進(jìn)行監(jiān)測；二是作物生長趨勢分析，主要通過時序遙感影像生成作物生長過程曲線，基于小麥、玉米等在分區(qū)域

46、單元、主產(chǎn)區(qū)、鄉(xiāng)鎮(zhèn)、縣等不同尺度上進(jìn)行分析和對比。為了準(zhǔn)確反映作物長勢監(jiān)測結(jié)果，進(jìn)行分區(qū)劃的空間統(tǒng)計。（1）實時作物長勢監(jiān)測實時作物長勢監(jiān)測主要在作物生長期采用NDVI對比的方法監(jiān)測作物長勢，進(jìn)行兩期圖像的對比分析，即計算差值圖像。利用每旬的最大合成NDVI圖像與去年同期NDVI圖像相比較，差值圖像在灰度級間每隔一定長度從顏色帶上分別賦色，同時劃分成5類；差、稍差、持平、稍好、好進(jìn)行分級統(tǒng)計。為了突出耕地上的作物長勢，將差值圖像與耕地數(shù)據(jù)相疊加，從中去除非耕地像元。（2）作物生長趨勢分析作物生長狀況的分析不但要進(jìn)行實時長勢監(jiān)測，還要從時間系列上進(jìn)行趨勢分析和歷史累積對比。利用多時相遙感數(shù)據(jù)，可

47、獲取作物生長發(fā)育的宏觀動態(tài)變化特征。在農(nóng)作物生育期內(nèi)，作物生長狀況和生長條件的變化，都會造成NDVI時間曲線產(chǎn)生相應(yīng)的動態(tài)變化?？梢岳眠@一響應(yīng)關(guān)系，根據(jù)NDVI曲線的變化特征，推測作物的生長發(fā)育狀況，監(jiān)測作物長勢。作物種類不同，輪作組合不同，其NDVI曲線具有不同的特征、同類農(nóng)作物生長環(huán)境和發(fā)育狀況的變化也會造成NDVI時間曲線的波動。因此通過對農(nóng)作物NDVI時間曲線的分析，可以了解作物的生長狀況，進(jìn)而為作物產(chǎn)量的計算提供依據(jù)。2.2.4.1.3農(nóng)作物產(chǎn)量預(yù)估綜合XX市耕地歷史產(chǎn)量數(shù)據(jù)、氣象數(shù)據(jù)、土壤數(shù)據(jù)以及衛(wèi)星遙感數(shù)據(jù)等，采用大數(shù)據(jù)技術(shù)構(gòu)建“遙感+氣象+作物模型”的產(chǎn)量預(yù)測模型，利用當(dāng)年的

48、環(huán)境數(shù)據(jù)，如氣象、長勢（遙感數(shù)據(jù)）、土肥概況等，對XX市全區(qū)域開展玉米、小麥產(chǎn)量預(yù)估，提前為小麥、玉米的銷售決策及下一季的指導(dǎo)種植提供數(shù)據(jù)支撐和指導(dǎo)建議。監(jiān)測作物對象：小麥、玉米；數(shù)據(jù)源：優(yōu)于30米的衛(wèi)星遙感影像、地面采樣點(diǎn)、歷史產(chǎn)量統(tǒng)計數(shù)據(jù)源時間范圍：2017年-2019年；數(shù)據(jù)格式要求：柵格數(shù)據(jù)lerc格式進(jìn)行傳輸和展示；時間要求：收獲前預(yù)估一次。,A的種瓶18煮.下的產(chǎn)畳Ei生腳:/H實際g不網(wǎng)惰景LAI圖小麥、玉米產(chǎn)量預(yù)估技術(shù)路線本模塊支持在地圖上自動展示XX市范圍內(nèi)小麥、玉米兩種主糧作物年產(chǎn)量預(yù)估結(jié)果，同時當(dāng)點(diǎn)擊具體位置時，支持以圖表的形式聯(lián)動展示當(dāng)前區(qū)域范圍內(nèi)YYYY年的單產(chǎn)/總產(chǎn)

49、趨勢。8b耳魁MP廠皈八訥?CKVMi.年瞄fffWm今年1附預(yù)枯5描.110.0D.22譜S25.0.33OT.O圖玉米產(chǎn)量預(yù)估效果示意農(nóng)作物產(chǎn)量預(yù)估技術(shù)原理：目前作物估產(chǎn)的方法主要有衛(wèi)星遙感、作物模型等方法。基于作物光合、呼吸、蒸騰、營養(yǎng)等機(jī)理過程的作物模型，依靠其內(nèi)在的物理過程和動力學(xué)機(jī)制，可以準(zhǔn)確模擬作物對象在時間和空間上的連續(xù)演進(jìn)能夠準(zhǔn)確地模擬單點(diǎn)作物的生長發(fā)育狀況及產(chǎn)量。而在應(yīng)用到區(qū)域尺度時，由于地表、近地表環(huán)境非均勻性，導(dǎo)致模型中一些宏觀資料的獲取和參數(shù)的區(qū)域化非常困難。衛(wèi)星遙感方法具有空間連續(xù)和時間動態(tài)變化的優(yōu)勢，能夠有效解決區(qū)域參數(shù)獲取困難這一瓶頸。然而遙感對地觀測由于受衛(wèi)星

50、時空分辨率等因素的制約，還不能真正揭示作物生長發(fā)育和產(chǎn)量形成的內(nèi)在過程機(jī)理、個體生長發(fā)育狀況及其與環(huán)境氣象條件的關(guān)系，而這正是作物模型的優(yōu)勢所在。本項目中建立“遙感+氣象+DSSAT作物模型”的精準(zhǔn)產(chǎn)量預(yù)估模型，通過同化方法將遙感和作物模型二者結(jié)合，充分發(fā)揮各自的優(yōu)勢，實現(xiàn)全市主糧作物(玉米、小麥)產(chǎn)量地提前預(yù)估。1、DSSAT作物模型DSSAT模型(DecisionSupportSystemforAgrotechnologyTransfer),又叫農(nóng)業(yè)技術(shù)轉(zhuǎn)化決策系統(tǒng)，由美國喬治亞大學(xué)組織開發(fā)，是目前應(yīng)用較廣泛的一種作物模型，可以模擬逐日的作物生長和發(fā)育過程，以及多種條件下的作物生長狀況，包

51、括作物管理措施的變化、環(huán)境、氮素和水分脅迫、病蟲害等，主要用于農(nóng)業(yè)產(chǎn)量預(yù)報、農(nóng)業(yè)生產(chǎn)風(fēng)險評估、作物栽培方案的優(yōu)化等，具有操作簡潔、功能強(qiáng)大、應(yīng)用范圍廣的優(yōu)點(diǎn)，經(jīng)過大量測試，在中國地區(qū)的適應(yīng)性較好，能夠合理有效地為農(nóng)業(yè)生產(chǎn)，最大效率地利用農(nóng)業(yè)和自然資源，提供決策和對策。圖DSSAT模型的組成和結(jié)構(gòu)框架DSSAT針對不同作物開發(fā)了不同模型，方便為用戶根據(jù)不同作物提供多種選擇方案。模型目前主要由26種不同的作物模擬模型組成，主要包括谷類作物，豆類，馬鈴薯，木薯，向日葵以及甘蔗。DSSAT模型所需要用戶提供的數(shù)據(jù)大致分為四類，包括作物數(shù)據(jù),氣象數(shù)據(jù)，田間管理數(shù)據(jù)和土壤數(shù)據(jù)，具體數(shù)據(jù)包括：（1）所需作物

52、數(shù)據(jù)主要為品種遺傳特性參數(shù)，包括不同時期的積溫，籽粒數(shù)，灌漿速率等，需要根據(jù)不同的作物需求進(jìn)行提供，以方便DSSAT模型通過調(diào)用這些參數(shù)來控制作物發(fā)育進(jìn)程、植株形態(tài)與產(chǎn)量形成。（2）所需氣象數(shù)據(jù)為作物生長季節(jié)中（從播種到成熟）逐日的氣象文件，作物種植之前和收獲后的部分氣象也可以加入，提高模擬精確程度。具體數(shù)據(jù)主要包括氣象站名稱、國家、年平均氣溫、經(jīng)緯度和海拔髙度等，以及逐日太陽輻射能（MJ/m2）、逐日最髙空氣溫度（。0、逐日最低空氣溫度（C）、逐日降水量（mm）等。（3）所需田間管理數(shù)據(jù)包括田間試驗編號名稱、處理、試驗詳細(xì)資料。其中試驗詳細(xì)資料包括：初始土壤水和無機(jī)氮含量；作物品種、播種方式

53、、日期和密度；灌溉日期、方式和灌水量；施肥品種、日期和施肥量；收獲時期和耕作管理；秸稈還田量、耕作方法。（4）所需土壤數(shù)據(jù)為土壤剖面特征數(shù)據(jù)，具體包括表層信息和分層信息，表層土壤參數(shù)包括土壤類型、顏色、坡度、滲透性、反射率、土層厚度、土壤水分蒸發(fā)限制、徑流曲線數(shù)和土壤排水率、光合作用因子。分層土壤參數(shù)包括土壤水下限或凋萎點(diǎn)含水量、田間持水量、飽和含水量、土壤容重、土壤有機(jī)碳，氮、土壤pH值、粘粒含量和粉粒含量等。圖中CERES模塊機(jī)理介紹2、“遙感+氣象+DSSAT作物模型”估產(chǎn)技術(shù)方法（1）區(qū)域模擬參數(shù)校正作物模型建立之初，作物生長參數(shù)是通過實驗室或田間的控制試驗獲得的，在其應(yīng)用研究中需進(jìn)行

54、參數(shù)校正和調(diào)整，本項目主要通過前人相關(guān)的研究成果獲得；初日和終日；部分參數(shù)通過試錯法，即在參數(shù)取值合理范圍內(nèi)任意選取參數(shù)值，比較模擬值與觀測值的擬合程度，最終確定取值參數(shù)。模擬結(jié)果驗證指標(biāo)決定系數(shù)R2：均方差RMSE和相對均方差NRMSE：RMSE=屮RMSE上式中MEA為實測值，SIMi為模擬值，MEA為實測平均值，SIM為模擬平均值。（2）構(gòu)建生產(chǎn)情景數(shù)據(jù)基于XX市地域廣闊，氣候條件差異，田間管理措施不一，因此生產(chǎn)差異較大。因此我們通過作物模型建立大量的作物生產(chǎn)情景。提取作物模型輸出的每一柵格內(nèi)逐日葉面積指數(shù)（LAI）,形成時間序列的LAI曲線。此外一并提取對應(yīng)的作物產(chǎn)量數(shù)據(jù)。圖利用DSS

55、AT模型多情景下的LAI曲線3、遙感影像反演的LAI提取在作物模型中可以輸出逐日變量葉面積指數(shù)(LAI),用于表征作物生長。而通過遙感手段可以獲得時間上和空間上相對連續(xù)的植被指數(shù)值，并可以將其轉(zhuǎn)化為LAI。因此目前已有非常多的關(guān)于遙感提取LAI值，同化作物模型的輸出值。本方法中會應(yīng)用技術(shù)提取每一柵格內(nèi)的LAI曲線，并通過包絡(luò)線濾波方法以消除數(shù)據(jù)缺失和云污染的影響。將作物模型與遙感影像的LAI值進(jìn)行匹配，確定最符合要求的生產(chǎn)模式。在下一步中構(gòu)建估產(chǎn)模型。包絡(luò)線濾波公式如下：式中Yj+i示原始LAI曲線上的一塊窗口內(nèi)的值,m為窗口的半徑,N為卷積數(shù)目，窗口的寬度為2m+l,Yj*表示濾波后窗口中心

56、的LAI值,Ci表示第i個LAI值的濾波系數(shù)。圖遙感反演的LAI曲線4、建立產(chǎn)量預(yù)估模型通過建立氣象要素（溫度、降雨、輻射）、NDVI與作物單產(chǎn)的預(yù)估模型進(jìn)行產(chǎn)量估算。Yield=f（TJP,SNDVI”上式表示作物產(chǎn)量是溫度T,降雨P(guān),輻射S和歸一化植被指數(shù)NDVI的函數(shù),通過構(gòu)建產(chǎn)量與以上四個要素的方程進(jìn)行產(chǎn)量預(yù)估。其中歸一化植被指數(shù)NDVI計算公式如下：NDV1=NIRRNIR+R式中，NIR為近紅外波段，R為紅外波段+1U丄丈狡正幾河核正顯示區(qū)間為8000-20000kg,公頃，預(yù)測結(jié)果做了種植區(qū)掩膜。產(chǎn)品簡介：本預(yù)測算法以作物生長模型為基礎(chǔ)，融合了定里遙感和氣象要素等多源信息，可以在

57、吹獲前2個月給出與遙翩影像分辨聿相當(dāng)?shù)奶飰K級產(chǎn)里教據(jù)。800012000140001600020000圖氣象與遙感數(shù)據(jù)疊加預(yù)測玉米產(chǎn)量空間圖圖作物單產(chǎn)預(yù)估流程Z242農(nóng)業(yè)空間地理可視化展示依托XX市農(nóng)業(yè)共享交換數(shù)據(jù)中心，結(jié)合農(nóng)業(yè)精準(zhǔn)生產(chǎn)空間遙感監(jiān)測的相關(guān)數(shù)據(jù)，獲取土壤墑情、物聯(lián)網(wǎng)監(jiān)測、農(nóng)產(chǎn)品價格、畜牧安全監(jiān)管、蜜蜂養(yǎng)殖等相關(guān)數(shù)據(jù)信息，以地理信息為基準(zhǔn)，將XX市農(nóng)業(yè)種植和養(yǎng)殖信息快速實現(xiàn)整合可視化渲染，一張圖可視化展示主要內(nèi)容涵蓋：XX市已有數(shù)據(jù)資源的匯聚情況和分析。統(tǒng)計各個已有業(yè)務(wù)系統(tǒng)接入的數(shù)據(jù)資源量、類型等信息，將XX市農(nóng)業(yè)業(yè)務(wù)體系內(nèi)部的多源數(shù)據(jù)以圖形的方式呈現(xiàn)出來，便于XX市農(nóng)業(yè)農(nóng)村局及上

58、級部門直觀的了解該區(qū)域農(nóng)業(yè)數(shù)據(jù)搜集、分布等情況；根據(jù)農(nóng)業(yè)生產(chǎn)周期特點(diǎn)和工作重點(diǎn)，集成種植全周期專題應(yīng)用，在一張圖上能夠直觀顯示出全市農(nóng)作物種植總體面積、歷年變化、歷史氣象災(zāi)害、不同生長周期監(jiān)控視頻、各個物聯(lián)網(wǎng)監(jiān)測點(diǎn)位分布情況、土壤墑情信息及其他環(huán)境監(jiān)測參數(shù)等，對應(yīng)展示XX市轄屬行政區(qū)劃維度的種植生產(chǎn)統(tǒng)計情況，為XX市農(nóng)業(yè)農(nóng)村局領(lǐng)導(dǎo)及相關(guān)業(yè)務(wù)人員提供種植生產(chǎn)數(shù)據(jù)決策；從農(nóng)業(yè)共享交換中心獲取蜂群數(shù)量分布、養(yǎng)殖戶位置和基礎(chǔ)屬性、蜂蜜產(chǎn)量、蜜蜂企業(yè)等相關(guān)數(shù)據(jù)，對養(yǎng)殖企業(yè)的工商信息、資質(zhì)信息、許可信息等進(jìn)行關(guān)聯(lián)分析，可在地圖上展示蜜蜂養(yǎng)殖企業(yè)的區(qū)域分布、產(chǎn)業(yè)分布、主體數(shù)量分布、經(jīng)營主體信用水平等信息。以

59、統(tǒng)計圖表的形式展示蜜蜂質(zhì)量安全溯源中涵蓋的溯源主體、產(chǎn)品類別、產(chǎn)品流向等信息。根據(jù)地圖展示層級(市、縣、鄉(xiāng)鎮(zhèn))和位置動態(tài)的請求相應(yīng)的展示蜜蜂產(chǎn)業(yè)相關(guān)數(shù)據(jù)。圖農(nóng)業(yè)生產(chǎn)空間監(jiān)測一張圖效果示意農(nóng)業(yè)生產(chǎn)空間監(jiān)測一張圖數(shù)據(jù)資源收集及處理技術(shù)路線：空間數(shù)據(jù)又稱幾何數(shù)據(jù)，它用來表示物體的位置、形態(tài)、大小分布等各方面的信息，是對現(xiàn)世界中存在的具有定位意義的事物和現(xiàn)象的定量描述。根據(jù)在計算機(jī)系統(tǒng)中對地圖存儲組織、處理方法的不同，以及空間數(shù)據(jù)本身的幾何特征，空間數(shù)據(jù)又可分為圖形數(shù)據(jù)和圖像數(shù)據(jù)在本次項目中的空間數(shù)據(jù)主要涵蓋衛(wèi)星遙感影像、基礎(chǔ)地理信息以及其他帶有地理坐標(biāo)的農(nóng)業(yè)相關(guān)數(shù)據(jù)。XX市農(nóng)業(yè)農(nóng)村局已經(jīng)建設(shè)的每個業(yè)

60、務(wù)系統(tǒng)有獨(dú)立一套的數(shù)據(jù)存儲、數(shù)據(jù)接口、數(shù)據(jù)字典和規(guī)則基礎(chǔ)，農(nóng)業(yè)共享交換數(shù)據(jù)中心獲取多源農(nóng)業(yè)資源進(jìn)行規(guī)范化整合和共享。本模塊依托農(nóng)業(yè)共享交換數(shù)據(jù)中心并與其建立數(shù)據(jù)共享渠道，通過調(diào)取接口、專題庫等方式獲取所需數(shù)據(jù)。農(nóng)業(yè)生產(chǎn)空間監(jiān)測可視化技術(shù)農(nóng)業(yè)數(shù)據(jù)地理可視化使用WebGL實時渲染圖層。圖層的組織按照時間段和行政區(qū)域范圍兩種維度來組織。使用數(shù)據(jù)協(xié)議傳遞流數(shù)據(jù)或傳感器關(guān)系型數(shù)據(jù)，使用相關(guān)解碼器或協(xié)議讀取展示。渲染策略：WebGL柵格數(shù)據(jù)渲染引擎主要提供在客戶端對柵格數(shù)據(jù)的實時動態(tài)可配置的渲染方式，能夠?qū)崿F(xiàn)多圖層的疊加分析，空間統(tǒng)計分析，操作簡單，讓非專業(yè)的人更好的使用，處理分析空間大數(shù)據(jù)。借助WebG